PriMoRetarget: Humanoid Motion Transfer Through Prioritized Motion Retargeting
作者: Nicholas Ioannidis, Dun Yang, Max Smith, Tue Vu, Ziyu Zhang, Shayegan Omidshafiei, Xue Bin Peng
分类: cs.RO, cs.GR
发布日期: 2026-10-08
💡 一句话要点
提出PriMoRetarget以解决多角色运动重定向问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)
关键词: 运动重定向 类人机器人 优先级层次 多角色交互 优化算法
📋 核心要点
- 现有的运动重定向方法在处理多角色和物体交互时面临挑战，难以保持重要的空间关系和接触信息。
- PriMoRetarget框架通过优先级层次结构来替代传统的相对目标加权，确保高优先级目标得到优先处理。
- 实验结果表明，该方法在多个数据集上生成的运动更好地保留了任务相关的交互，且跟踪效果优于现有方法。
📝 摘要（中文）
运动重定向是将人类运动数据转移到类人机器人上的关键预处理步骤。现有方法在处理单一角色运动时效果良好，但在涉及多个角色和物体的交互时，必须保留额外的接触和空间关系。本文提出PriMoRetarget框架，通过显式的优先级层次结构替代相对目标加权，确保关键特征如脚步位置和交互接触优先于较低优先级的姿态目标。该方法在四个数据集上进行评估，结果显示所生成的运动更好地保留了任务相关的交互，并提供了比现有重定向方法更可靠的参考轨迹。
🔬 方法详解
问题定义：本文旨在解决在多角色和物体交互场景中，现有运动重定向方法无法有效保持接触和空间关系的问题。现有方法通常依赖于相对目标加权，导致重要运动特征的损失。
核心思路：PriMoRetarget框架通过建立显式的优先级层次结构，确保高优先级目标（如脚步位置和交互接触）优先于低优先级目标（如姿态目标），从而更好地保留关键运动特征。
技术框架：该框架包括多个模块，首先定义优先级层次，然后通过优化算法进行运动重定向，最后评估生成的运动是否满足任务需求。
关键创新：最重要的创新在于引入了优先级层次结构，替代了传统的相对目标加权方法，使得运动重定向过程更加灵活和有效。
关键设计：在设计中，优先级的设定基于任务需求，损失函数则考虑了不同优先级目标的权重，确保高优先级目标在优化过程中得到保护。
🖼️ 关键图片
📊 实验亮点
实验结果显示，PriMoRetarget在四个数据集上的表现优于传统重定向方法，尤其在任务相关的交互保留方面，生成的运动轨迹更为可靠，提升幅度显著，具体性能数据未提供。
🎯 应用场景
该研究的潜在应用领域包括类人机器人、虚拟现实和动画制作等。通过更准确的运动重定向，能够提升机器人与人类的交互效果，增强虚拟角色的真实感，进而推动相关技术的发展和应用。
📄 摘要（原文）
Motion retargeting is a critical preprocessing step for transferring human motion data to humanoid robots. While existing methods are effective for single-character motions, interactions involving multiple characters and objects introduce additional contacts and spatial relationships that must be preserved. Retargeting is commonly formulated as a weighted multi-objective optimization problem, where conflicting objectives can require careful tuning of relative weights and can still compromise important motion characteristics. We introduce PriMoRetarget, a prioritized motion-retargeting framework that replaces relative objective weighting with an explicit priority hierarchy. Lower-priority updates are constrained to preserve higher-priority objectives, allowing critical characteristics such as foot placement and interaction contacts to take precedence over lower-priority pose objectives. The method is evaluated on four datasets spanning single-character motion, character-object manipulation, and character-character interactions. The resulting motions better preserve task-relevant interactions and provide reference trajectories that can be tracked more reliably than those produced by widely used retargeting methods.